流感数据与特定关键词相关性分析及预测

摘要

目的分析我国流感相关关键词的百度指数与流感相关数据的相关性的变化趋势,探究以不同关键词构建流感预测模型的预测效果。方法从全球流感监测与应对网络(GISRS)收集2012年第1周—2020年12周共429周的每周确诊的流感阳性病毒数据;用筛选的到的关键词从百度指数数据库(http://index.Baidu.com/)收集全国2012年第1周—2020年12周各关键词的每日百度指数。以我国流感爆发规模明显改变的时间(2017年)为节点,应用SPSS 22.0软件计算关键词百度指数在节点前后与流感数据的相关系数,并应用Eviews 8软件来构建相应关键词与流感数据的多元线性回归模型。结果2017年以前关键词百度指数与周流感阳性病例数的相关系数>0.5的有18个,2017年以后有30个,其中28个关键词是2017年后相关性要高;2017年前相关性最高的前4位关键词是甲流是什么、流行性感冒、甲型流感、发烧,2017年后相关系数最高的为甲流的症状、流感症状、流感吃什么药、泰诺;在新冠疫情的背景下,自变量含有"高烧"非特异性关键词的回归模型预测结果偏高,替换为特异性关键词后预测偏差降低。结论我国基于网络大数据监测的流感相关关键词范围不断扩大,相关性也有所提高;公众通过网络进行流感信息获取逐渐从流感的概念向流感的症状和治疗方面转移;在通过关键词监测流感时应及时更新选词同时选择特异性更高的词作为监测对象。